- •Лекции по эконометрике Учебное пособие Введение
- •1. Предмет и методы эконометрики
- •1.1. Предмет и методы эконометрики
- •1.2. Характеристика взаимосвязей
- •1.3. Основные этапы построения эконометрической модели
- •1.4. Методы отбора факторов
- •1.4.1. Эконометрические переменные
- •1.4.2. Методика отбора факторов для включения в модель
- •1.5. Выбор вида эконометрической модели
- •1.6. Оценка параметров моделей
- •1.7. Примеры эконометрических моделей
- •Контрольные вопросы
- •2. Парный регрессионный анализ
- •2.1. Понятие парной регрессии
- •2.2. Построение уравнения регрессии
- •2.2.1. Постановка задачи
- •2.2.2. Спецификация модели
- •2.3. Оценка параметров линейной парной регрессии
- •2.4. Оценка параметров нелинейных моделей
- •2.5. Качество оценок мнк линейной регрессии. Теорема Гаусса-Маркова
- •2.6. Проверка качества уравнения регрессии. F-критерий Фишера
- •2.7. Коэффициенты корреляции. Оценка тесноты связи
- •2.8. Точность коэффициентов регрессии. Проверка значимости
- •2.9. Точечный и интервальный прогноз по уравнению линейной регрессии
- •2.10. Коэффициент эластичности
- •Контрольные вопросы
- •3. Множественный регрессионный анализ
- •3.1. Понятие множественной регрессии
- •3.2. Отбор факторов при построении множественной регрессии
- •3.2.1. Требования к факторам
- •3.2.2. Мультиколлинеарность
- •3.3. Выбор формы уравнения регрессии
- •3.4. Оценка параметров уравнения линейной множественной регрессии
- •3.5. Качество оценок мнк линейной множественной регрессии. Теорема Гаусса-Маркова
- •3.6. Проверка качества уравнения регрессии. F-критерий Фишера
- •3.7. Точность коэффициентов регрессии. Доверительные интервалы
- •3.8. Частные уравнения регрессии. Частная корреляция
- •3.9. Обобщенный метод наименьших квадратов. Гетероскедастичность
- •3.9.1. Обобщенный метод наименьших квадратов
- •3.9.2. Обобщенный метод наименьших квадратов в случае гетероскедастичности остатков
- •3.10. Проверка остатков регрессии на гетероскедастичность
- •3.11. Построение регрессионных моделей при наличии автокорреляции остатков
- •3.12. Регрессионные модели с переменной структурой. Фиктивные переменные
- •3.12.1. Фиктивные переменные
- •3.12.2. Тест Чоу
- •3.11. Проблемы построения регрессионных моделей
- •Контрольные вопросы
- •4. Системы эконометрических уравнений
- •4.1. Структурная и приведенная формы модели
- •4.2. Оценка параметров структурной формы модели
- •4.3. Косвенный метод наименьших квадратов
- •4.4. Двухшаговый метод наименьших квадратов
- •4.5. Трехшаговый метод наименьших квадратов
- •Контрольные вопросы
- •5. Моделирование одномерных временных рядов и прогнозирование
- •5.1. Составляющие временного ряда
- •5.2. Автокорреляция уровней временного ряда
- •5.3. Моделирование тенденции временного ряда
- •5.3.1. Методы определения наличия тенденции
- •5.3.2. Сглаживание временного ряда по методу скользящей средней
- •5.3.3. Метод аналитического выравнивания
- •5.3.4. Выбор вида тенденции
- •5.3.5. Оценка адекватности и точности модели тенденции
- •5.4. Моделирование периодических колебаний
- •5.4.1. Выделение периодической компоненты по методу скользящей средней
- •5.4.2. Моделирование сезонных колебаний с помощью фиктивных переменных
- •5.4.3 Моделирование сезонных колебаний с помощью гармонического анализа
- •5.5. Прогнозирование уровней временного ряда на основе кривых роста.
- •5.5.1. Метод аналитического выравнивания
- •5.6. Адаптивные модели прогнозирования
- •5.6.1. Понятие адаптивных методов прогнозирования
- •5.6.2. Экспоненциальное сглаживание
- •5.6.3. Использование экспоненциальной средней для краткосрочного прогнозирования
- •5.6.4. Адаптивные полиномиальные модели
- •5.7. Исследование взаимосвязи двух временных рядов
- •5.8. Коинтеграция временных рядов
- •Контрольные вопросы
- •6. Линейные модели стохастических процессов
- •6.1. Стационарные стохастические процессы
- •6.1.1. Основные понятия
- •6.1.2. Параметрические тесты стационарности
- •6.1.3. Непараметрические тесты стационарности
- •6.2. Линейные модели стационарных временных рядов. Процессы arma
- •6.2.1. Модели авторегрессии (ar)
- •6.2.2. Модели скользящего среднего (ma)
- •6.2.3. Модели авторегрессии-скользящего среднего (arma)
- •6.3. Автокорреляционные функции
- •6.3.1. Автокорреляционная функция
- •6.3.2. Частная автокорреляционная функция
- •6.4. Прогнозирование arma-процессов
- •6.4.3. Arma-процессы
- •6.5. Нестационарные интегрируемые процессы
- •6.5.1. Нестационарные стохастические процессы. Нестационарные временные ряды
- •6.5.2. Тесты Дики-Фуллера
- •6.5.3. Модификации теста Дики-Фуллера для случая автокорреляции
- •6.5.4. Метод разностей и интегрируемость
- •6.6. Модели arima
- •6.6.1. Определение и идентификация модели
- •6.6.2. Прогнозирование arima-процессов
- •Контрольные вопросы
- •7. Динамические эконометрические модели
- •7.1. Общая характеристика динамических моделей
- •7.2. Модели с распределенным лагом
- •7.2.1. Оценка параметров модели с распределенным лагом методом Койка
- •7.2.2. Оценка параметров модели с распределенным лагом методом Алмон.
- •7.2.3. Интерпретация параметров
- •7.3. Модели авторегрессии
- •7.3.1. Интерпретация параметров
- •7.3.2. Оценка параметров моделей авторегрессии
- •7.4. Модель частичной корректировки
- •7.5. Модель адаптивных ожиданий
- •Контрольные вопросы
- •8. Информационные технологии эконометрических исследований
- •8.1. Электронные таблицы Excel
- •8.2. Статистический пакет общего назначения statistica
- •8.3. Эконометрические программные пакеты. Matrixer 5.1
- •8.4. Анализ временных рядов в системе эвриста
- •Контрольные вопросы
- •Глоссарий
Лекции по эконометрике Учебное пособие Введение
Развитие экономики, усложнение экономических процессов и повышение требований к принимаемым управленческим решениям в области макро и микроэкономики потребовало более тщательного и объективного анализа реально протекающих процессов на основе привлечения современных математических и статистических методов.
С другой стороны, проблема нарушения предпосылок классических статистических методов при решении реальных экономических задач привели к необходимости развития и совершенствования классических методов математической статистики и уточнения постановок соответствующих задач.
В результате этих процессов осуществилось выделение и формирование новой отрасли знания под названием Эконометрика, связанной с разработкой и применением методов количественной оценки экономических явлений и процессов и их взаимосвязей.
Основным методом исследования в эконометрике является экономико-математическое моделирование. Правильно построенная модель должна давать ответ на вопрос о количественной оценке величины изменения изучаемого явления или процесса в зависимости от изменений внешней среды. Например, как скажется увеличение или уменьшение уровня инвестиций на совокупном валовом продукте, какие дополнительные ресурсы понадобятся для запланированного увеличения выпуска продукции и т. п.
Практическая значимость эконометрики определяется тем, что применение ее методов позволяет выявить реально существующие связи между явлениями, дать обоснованный прогноз развития явления в заданных условиях, проверить и численно оценить экономические последствия принимаемых управленческих решений.
Построение эконометрических моделей приходится осуществлять в условиях, когда нарушаются предпосылки классических статистических методов, и учитывать наличие таких явлений, как:
мультиколлинеарность объясняющих переменных;
закрытость механизма связи между переменными в изолированной регрессии;
эффект гетероскедастичности, т. е. отсутствия нормального распределения остатков для регрессионной функции;
автокорреляция остатков;
ложная корреляция.
Разработка методов, преодолевающих эти трудности, составляет теоретическую основу эконометрики.
Наряду с логически правильным формальным применением имеющегося математического и статистического инструментария важными составляющими успеха эконометрического исследования являются экономически адекватная постановка задачи и последующая экономическая интерпретация полученных результатов.
Огромный толчок развитию эконометрических методов и их широкому внедрению в практику дало развитие средств вычислительной техники и особенно появление персональных и портативных компьютеров. Разработка программных пакетов, реализующих методы построения и исследования эконометрических моделей привело к тому, что выполнение эконометрических процедур становится доступным самому широкому кругу аналитиков, экономистов и менеджеров. В настоящее время основные усилия прикладного исследователя сводятся к подготовке качественных исходных данных, к правильной постановке проблемы и экономически обоснованной интерпретации результатов исследования. Вместе с тем, от исследователя требуется четкое понимание областей применимости используемых методов и сложности и неочевидности процесса перенесения полученных теоретических результатов на реальную действительность
Настоящее пособие отражает содержание односеместрового курса лекций, читаемых на факультете информационных систем и технологий УлГТУ студентам специальности «Прикладная информатика (в экономике)» и соответствует Государственному образовательному стандарту по дисциплине «Эконометрика». Пособие состоит из восьми глав и приложения.
В первой главе дается характеристика предмету эконометрики и применяемым методам, освещаются основные аспекты эконометрического моделирования, применяемые методики и виды используемых переменных.
Во второй главе рассмотрены вопросы построения парных регрессионных моделей: постановка задачи, спецификация и оценка параметров моделей, оценка качества полученных моделей, получение точечного и интервального прогнозных значений, экономическая интерпретация модели.
Третья глава посвящена построению множественных регрессионных моделей. Подробно рассмотрены вопросы спецификации и оценки параметров модели, оценки качества полученной модели и ее статистической значимости. Приведены условия, обеспечивающие эффективность метода наименьших квадратов (теорема Гаусса-Маркова). Описан обобщенный метод наименьших квадратов, позволяющий получать эффективные оценки параметров в условиях мультиколлинеарности факторов и автокорреляции остатков. Рассмотрены регрессионные модели с переменной структурой.
Четвертая глава посвящена построению моделей в виде системы эконометрических уравнений. Изложены особенности моделей, возникающие трудности применения классических методов и описаны наиболее широко применяемые методы оценки параметров, такие как косвенный, двухшаговый и трехшаговый методы наименьших квадратов.
В пятой главе рассмотрены вопросы моделирования одномерных временных рядов и прогнозирования: структура временного ряда, явление автокорреляции, моделирование тенденции и периодической составляющей ряда, прогнозирование уровней ряда. Отдельное внимание уделено адаптивным методам прогнозирования и моделированию коинтегрируемых временных рядов.
В шестой главе освещены вопросы построения линейных моделей стохастических процессов: AR, MA и ARMA-моделей стационарных процессов, ARIMA-моделей нестационарных процессов. Описаны методы проверки временных рядов на стационарность.
В седьмой главе излагаются модели и методы, применяемые для исследования эконометрических моделей, описывающих динамику развития экономических процессов. Рассмотрены модели авторегрессии и модели с распределенным лагом. Описаны применяемые для оценки параметров моделей, такие как методы инструментальных переменных, методы Койка и Алмон.
Восьмая глава посвящена информационным технологиям эконометрических исследований. Изложены общие требования к программному обеспечению и возможности программных пакетов Excel, STATISTICA, ЭВРИСТА, Matrixer 5.1.
В приложении даны часто используемые статистические таблицы.
Пособие предназначено студентам экономических и информационных специальностей. Изложение материала ориентировано на читателя, обладающего знаниями в пределах курсов высшей математики и математической статистики, читаемых студентам экономических и информационных специальностей. Пособие будет также полезно всем желающим познакомиться с основными задачами, моделями и методами эконометрики.
